API Meta Model : Muse Spark 1.1 défie OpenAI sur le prix

Quatre-vingt-douze jours. Depuis que Meta a promis le 8 avril que les développeurs pourraient bientôt s’appuyer sur Muse Spark, la société a repoussé à plusieurs reprises, sans date ferme, la sortie de son API, laissant le modèle dans une sorte de démonstration permanente : on pouvait le voir, on ne pouvait pas l’utiliser. Aujourd’hui, le 9 juillet, ces limbes prennent fin. L’API Meta Model entre en préversion publique et apporte avec elle Muse Spark 1.1, le modèle qu’Alexandr Wang, directeur de l’IA du groupe, a défini sur CNBC le plus capable jamais construit par Meta Superintelligence Labs sur des tâches d’agent et de codage.

Le détail qui en dit le plus, cependant, n’est pas technique, c’est le prix : un dollar et vingt-cinq cents par million de jetons entrants, quatre et vingt-cinq sortants, avec vingt dollars de crédit gratuit pour ceux qui ouvrent un compte à partir d’aujourd’hui. C’est la première fois dans l’histoire de Meta que l’entreprise facture l’accès à son propre modèle, a écrit Bloomberg dans les mêmes heures que l’annonce. Désormais, Meta joue le jeu d’OpenAI et d’Anthropic : vendre des jetons, pas seulement distribuer un assistant gratuit au sein de WhatsApp et Instagram.

La sortie intervient deux jours après Muse Image, le modèle de génération d’images qui s’intègre à Spark pour planifier conjointement la production de contenu d’agent. Ensemble, les deux lancements constituent la semaine au cours de laquelle Meta tente de donner corps à son idée de superintelligence personnelle, jusqu’à présent plus un slogan de conférence téléphonique qu’un produit mesurable.

Un million de tokens que le modèle apprend à gérer tout seul

Muse Spark 1.1 arrive avec une fenêtre contextuelle d’un million de jetons : la nouveauté réside dans ce que le modèle en fait, plutôt que dans la taille. Il mémorise les actions effectuées lors des sessions précédentes, récupère les informations des phases de travail beaucoup plus antérieures, compresse l’historique en ne gardant que les étapes critiques pour le travail suivant. Il s’agit d’une gestion active de la mémoire, pas seulement de la capacité.

L’architecture fonctionne par orchestration : un agent maître rassemble le contexte, construit un plan et délègue l’exécution à des sous-agents parallèles, dont chacun reste concentré sur sa tâche, comprend de quels outils il dispose et sait quand rendre le contrôle à l’agent maître. Dans la démo de planification du dîner qui accompagne l’annonce, le mannequin remarque à mi-chemin que la commande a changé et met à jour la réservation sans qu’on le lui demande.

En codage, les gains concernent principalement des tâches sur des bases de code volumineuses et réelles : diagnostic de bugs complexes, fonctionnalités sur les systèmes d’entreprise, migrations à grande échelle. Dans la démonstration OpenCode, Muse Spark 1.1 crée une application de chat, génère elle-même des captures d’écran pour repérer les erreurs visibles, les retrace jusqu’au code responsable et vérifie le correctif dans une seule boucle combinant codage, compréhension multimodale et outils.

En utilisation informatique, le modèle décide lui-même quand écrire et exécuter un script et quand agir directement sur l’interface, générant des lots d’actions à chaque étape au lieu de penser un clic à la fois : dans la démo sur Facebook Marketplace, il part d’une vidéo tournée avec le smartphone, extrait les photos utiles et compile lui-même l’annonce.

Ouvre la porte à un dollar et quart

Zuckerberg veut gagner sur le prix, a déclaré Wang à Axios. Sur les jetons entrants, un dollar et vingt-cinq, Muse Spark 1.1 est placé au milieu : au-dessus du GPT-5 mini d’OpenAI et du Claude Haiku 4.5 d’Anthropic, en dessous de Claude Sonnet 4.6. Sur les tokens de sortie, quatre dollars et vingt-cinq, c’est le moins cher des quatre, Sonnet compris : un détail qui pèse lourd, car dans les tâches d’agent, impliquant des raisonnements étendus et des appels à des outils, c’est la sortie qui consomme l’essentiel du budget.

Il y a un détail technique qui pèse plus que la grille tarifaire : l’API Meta Model est compatible avec le format OpenAI. Amjad Masad, PDG de Replit, le décrit, dans la même annonce, comme un package d’agence complet, enfermé dans «un package propre et compatible avec OpenAI». Pour ceux qui ont déjà des intégrations écrites avec l’API OpenAI, essayer Muse Spark devient un changement de configuration, pas une réécriture : dans un marché où passer d’un fournisseur à un autre coûte plus cher que le prix par jeton, c’est le seul moyen réaliste d’être essayé par ceux qui ont déjà investi des mois sur une pile différente.

Jusqu’à hier, tout cela restait une promesse. L’avant-première privée annoncée en avril était réservée à des partenaires sélectionnés, et pendant des mois, Meta n’a pas communiqué de date d’ouverture publique, comme l’a reconstitué CNBC. Avec l’aperçu public d’aujourd’hui, n’importe qui aux États-Unis peut s’inscrire, tester les invites, comparer les résultats et prototyper une intégration.

La rupture avec l’héritage ouvert de Llama

L’histoire des modèles Meta, jusqu’au printemps de cette année, était différente : poids ouverts, téléchargeables, adaptables à votre propre matériel. Llama avait justement bâti la réputation de l’entreprise sur cela, et c’est aussi pourquoi l’accueil froid réservé par les développeurs et les critiques à Llama 4, en avril 2025, a si lourdement pesé sur les décisions ultérieures de Zuckerberg.

Deux mois plus tard, Meta a investi 14,3 milliards de dollars pour acquérir une participation de 49 % dans Scale AI, nommant son fondateur, Alexandr Wang, directeur de l’IA et dirigeant les nouveaux Meta Superintelligence Labs. Muse Spark, arrivé un an après Llama 4, en était le premier résultat : un modèle fermé, hébergé uniquement sur des serveurs Meta, sans poids à télécharger. Il s’agissait du premier pas de Meta vers des modèles fondateurs exclusifs, rompant avec le strict respect du poids ouvert qui avait défini Llama, comme l’a observé CNBC lors de la reconstruction de la première année de travail de Wang.

Wang avait parlé de Muse Spark comme d’un démarreur, promettant des modèles plus grands à venir. Muse Spark 1.1 est le premier cours après l’apéritif, et la préversion publique de l’API est la preuve que Meta n’entend pas revenir sur ses pas : la disponibilité des versions ouvertes promise à plusieurs reprises par Wang reste, pour l’instant, une intention déclarée, pas un engagement avec une date.

Replit, Cline et Box parient en premier

Outre Masad, deux autres noms figurent sur la liste des premiers utilisateurs cités par Meta. Saoud Rizwan, PDG de Cline, déclare qu’ils souhaitaient offrir à leurs développeurs un accès anticipé en raison de la combinaison d’une utilisation efficace des outils et d’une tarification durable sur les charges de travail de codage du monde réel, à grande échelle. Yashodha Bhavnani, qui dirige les produits d’IA de Box, affirme que le modèle a résisté aux évaluations internes des tâches commerciales de l’entreprise, démontrant sa solidité en particulier dans les flux de travail structurés et procéduraux dans des secteurs tels que les services professionnels, le gouvernement et les opérations industrielles.

Avant d’arriver à ces trois noms, Muse Spark 1.1 a subi une évaluation de sécurité construite selon leCadre de mise à l’échelle avancé de l’IA de Meta, qui mesure le risque chimique et biologique, cyber, perte de contrôle. Sur les trois fronts, l’entreprise prétend fonctionner dans les marges de sécurité, avec une plus grande résistance aux jailbreaks directs et aux attaques indirectes provenant de données non fiables par rapport à la version précédente, ainsi qu’un taux d’hallucinations plus faible et une moindre tendance à se plier aux besoins de l’utilisateur. Il s’agit de déclarations de l’entreprise elle-même, non vérifiées par des tiers indépendants, et doivent être lues comme telles : elles restent toujours le premier argument qu’un service informatique apporte avant d’autoriser un fournisseur sur des charges de travail sensibles.

Pastèque, le modèle qui doit arriver ensuite

Wang ne cache pas où il vise réellement : il a dit à Axios qu’il entraînait déjà un modèle beaucoup plus grand, nommé Pastèquequi utilisera beaucoup plus de calcul et arrivera plus tard dans l’année. Muse Spark 1.1, dans sa lecture, reste une étape intermédiaire : le saut qui devrait rapprocher Meta de Gemini 3.1 Pro, GPT-5.4 et Claude Opus 4.6 sur les benchmarks qui pèsent plus vient, voire quelque chose, avec Watermelon.

Entre-temps, le défi sous-jacent ne change pas : la force de Meta, selon les mots de Wang lui-même, réside dans les milliards de personnes qui utilisent WhatsApp, Instagram, Facebook et Messenger chaque jour, et dans la quantité d’informations dont l’entreprise dispose déjà à leur sujet. Un CTO évaluant Muse Spark 1.1 pour un projet agent se retrouve aujourd’hui à peser deux choses ensemble : un modèle compétitif mais pas encore au sommet des références indépendantes, détenu par un fournisseur qui propose des prix agressifs, une compatibilité immédiate avec la pile déjà utilisée et un écosystème de distribution qu’aucun concurrent ne peut reproduire.

Le modèle le plus grand, celui qui, selon Wang, devrait vraiment faire bouger les choses, est déjà en formation. Lorsqu’elle arrivera, l’avant-première publique qui s’est ouverte aujourd’hui ressemblera à ce qu’elle a probablement toujours été : la première partie d’un plan beaucoup plus long.